digilib@itb.ac.id +62 812 2508 8800

PEMANFAATAN DOCUMENT CLUSTERING PADA AGREGATOR BERITA

Penulis : ARIE KARHENDANA (NIM 13503092)
Kontributor / Dosen Pembimbing :
  • Pembimbing: Ir. Dwi H. Widyantoro, M.Sc., Ph.D.
Jenis Koleksi : Tugas Akhir
Tahun Terbit :
Penerbit : Teknik Informatika
Fakultas : Sekolah Teknik Elektro dan Informatika
Subjek :
Kata Kunci : agregator berita, incremental clustering, document clustering, topic detection and tracking, algoritma Chung-McLeod
Sumber :
Staf Input/Edit : Vika Anastasya Kovariansi   Ena Sukmana
File : 9 file
Tanggal Input : 09 Okt 2017

2008 TA PP ARIE KARHENDANA 1-COVER.pdf

2008 TA PP ARIE KARHENDANA 1-BAB 1.pdf
2008 TA PP ARIE KARHENDANA 1-BAB 2.pdf
2008 TA PP ARIE KARHENDANA 1-BAB 3.pdf
2008 TA PP ARIE KARHENDANA 1-BAB 4.pdf
2008 TA PP ARIE KARHENDANA 1-BAB 5.pdf
2008 TA PP ARIE KARHENDANA 1-BAB 6.pdf
2008 TA PP ARIE KARHENDANA 1-BAB 7.pdf
2008 TA PP ARIE KARHENDANA 1-PUSTAKA.pdf

Maraknya lembaga berita yang menyediakan artikel dalam bentuk online memang memudahkan pengguna dalam mengetahui peristiwa terkini. Namun, melimpahnya content yang dihasilkan oleh setiap situs berita dapat menyulitkan pengguna dalam mencerna semua informasi yang dihasilkan. Alih-alih mengikuti peristiwa terkini, pengguna dapat terjebak dalam arus berita yang dihasilkan dengan laju dalam hitungan menit. Agregator berita dikembangkan untuk mengatasi permasalahan tersebut. Dengan tujuan untuk memudahkan pengguna, agregator berita mengumpulkan berita dari berbagai sumber dan menyajikannya dalam satu tampilan yang padu. Dengan demikian, pengguna tidak perlu lagi menjelajah ke berbagai situs berita hanya untuk mengetahui peristiwa yang baru terjadi. Akan tetapi, sebuah agregator berita “polos” memiliki kelemahan, yaitu menggabungkan semua berita hasil perolehannya dalam satu kumpulan besar. Hal ini dapat menyebabkan efek information overload bagi pengguna, karena belum tentu pengguna tertarik dengan semua berita yang terdapat pada agregator berita. Seringkali pengguna hanya tertarik untuk mengetahui peristiwa apa saja yang baru terjadi. Masalah tersebut dapat diatasi dengan mengelompokkan berita sesuai peristiwa. Document clustering adalah salah satu metode yang dapat digunakan untuk mengelompokkan dokumen secara otomatis. Dalam Tugas Akhir ini, dipelajari penggunaan algoritma incremental clustering untuk mengelompokkan artikel pada sebuah agregator berita. Kandidat algoritma yang diteliti dalam tugas akhir ini adalah algoritma INCR dan Chung-McLeod. Eksperimen dilakukan untuk membandingkan kualitas solusi clustering yang dihasilkan oleh kedua algoritma tersebut. Hasil eksperimen menunjukkan bahwa algoritma Chung-McLeod menghasilkan solusi clustering yang terbaik. Pada Tugas Akhir ini juga dikembangkan Agata, sebuah prototipe agregator berita sederhana yang memanfaatkan document clustering untuk mengelompokkan berita. Sebagai agregator berita berbahasa Indonesia, diharapkan Agata dapat memenuhi kebutuhan untuk mengetahui peristiwa terkini, terutama di Indonesia.

Artikel Terkait